结合直达波补偿的星地双站SAR滑动聚束模式频域成像算法

星地双站合成孔径雷达以星载系统为机会照射源,地面接收机接收直达波和散射波信号进行同步和成像处理。介绍了星地双站合成孔径雷达系统结构,对基于直达波进行距离向脉冲压缩后的信号调频率、距离徙动以及二维频谱的空变性进行了分析。在此基础上,运用方位向预处理过程、直达波补偿以及非线性Chirp Scaling算法,提出了适合该模型的频域成像算法,并通过点目标仿真验证了该成像算法的有效性和性能。HITCHHIKER星地双站合成孔径雷达系统实测数据进一步验证了该成像算法的有效性。     

改进的稀疏子空间聚类算法

在现有的稀疏子空间聚类算法理论基础上提出一个改进的稀疏子空间聚类算法:迭代加权的稀疏子空间聚类。稀疏子空间聚类通过解决l1最小化算法并应用谱聚类把高维数据点聚类到不同的子空间,从而聚类数据。迭代加权的l1算法比传统的l1算法有更公平的惩罚值,平衡了数据数量级的影响。此算法应用到稀疏子空间聚类中,改进了传统稀疏子空间聚类对数据聚类的性能。仿真实验对Yale B人脸数据图像进行识别分类,得到了很好的聚类效果,证明了改进算法的优越性。     

基于稀疏子空间聚类的人脸识别方法

在现有的稀疏子空间聚类算法理论基础上给出两种稀疏子空间聚类优化算法:稀疏线性子空间聚类和稀疏仿射子空间聚类。这两种优化算法针对不同的数据集会有不同的聚类效果。通过稀疏表达得到不同的稀疏系数矩阵,把稀疏系数矩阵应用到较为简单的改进的正则化谱聚类算法中实现聚类。应用Yale B数据对人脸图像进行识别分类得出:采用稀疏线性子空间聚类算法优于稀疏仿射子空间聚类算法;在算法执行时间上和算法聚类错误率比传统的稀疏子空间聚类较为快速高效。     

基于聚类主成分分析法的变压器参数关联度评估

为了有效管理和监测电力变压器的健康状态,在对变压器正常运行的海量数据进行分析的基础上,构建变压器参数关联度评估方法。首先,为了对变压器运行参数进行参数分类定性,基于系统聚类的方法构建变压器参数样本分类流程算法,并设计了相应的流程图;然后,通过引入聚类以及主成分分析方法,建立基于聚类的主成分分析的变压器主要影响参数关联度评估模型;最后通过潼南电力局实际运行数据验证模型的可靠性和有效性,准确分析了变压器运行参数之间的定量关系,可以为变压器故障预测研究提供重要依据。     

面向大规模交互数据空间划分的Voronoi图生成算法及应用

传统Voronoi图对大量点集进行Voronoi划分时会产生Voronoi单元格数过多的现象,导致难以适用于地理信息系统、生物医学等诸多领域.为了解决这个问题,提出一种自适应基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBS...     

一种枪械击发点火系统可靠性分析软件的设计与实现

为了高效便捷地对枪械击发点火系统进行可靠性分析,设计开发了枪械击发点火系统可靠性分析软件。建立了该系统的仿真模型、可靠性分析模型及优化模型,并研究了可靠性分析及优化流程;设计了枪械击发点火系统可靠性分析软件架构,为功能模块的开发建立了基础。对小口径自动步枪击发点火系统可靠度分析进行实例验证并优化,结果表明：应用该软件得出系统可靠度为83.6%,与试验结果相比,在误差范围内;并通过优化可将系统可靠度提高20.48%,验证了该软件的可行性,为系统改进设计提供了技术支撑。     

神经网络技术在冲压导弹设计中的应用

利用近年来迅猛发展的神经网络技术,成功地建立了某型冲压导弹气动参数和发动机推力、比冲的数学模型,从而克服了用传统回归拟合方法和数学插值计算的不足,为导弹总体参数优化设计和各分系统设计提供了一种新工具.并对网络训练过程中存在的问题进行了分析,提出了具有实际意义的改进方法.     

恒定应力加速寿命试验的非参数统计方法

在恒定应力加速寿命试验 (简称恒加试验 )的统计分析中 ,非参数统计方法具有一定的实际价值 .在一定的假定下 ,文中给出了两种新估计 ,并证明了它们的优良性     

GPS应用中的坐标转换技术

首先介绍两种转换公式,然后介绍求解转换参数的方法和求解线性方程组的数值 解法。     

一种基于距离参数化CKF的单站无源定位方法

针对单站无源定位系统中,观测站机动导致的滤波精度降低问题,提出了一种基于距离参数化CKF的单站无源定位方法(range-parameterised cubature kalman filter smoothing, RPCKFS)。引入距离参数化的思想,结合观测站观测范围作为先验值,将观测范围划分为若干个区间,并赋予初始权重,在各个区间引入后向平滑容积卡尔曼滤波(cubature kalman filter smoothing, CKFS),利用各时刻的预测值与观测值的比值来更新区间权重,最后对各区间状态信息加权融合来实现目标状态的获取。仿真结果表明：该方法能够有效降低滤波全局对观测站机动的敏感性,提高滤波稳定性与定位精度。